Para qué te prepara este curso subvencionado Curso Gratuito Master en Análisis y Visualización de Datos Masivos:
<p>Con la realización del <strong>Máster Análisis y Visualización de Datos</strong> te sumergirás en un sector laboral con un crecimiento exponencial en la actualidad gracias al auge del Big Data y el Business Intelligence en el análisis y visualización de datos en las empresas y su aplicación para la toma de decisiones estratégicas dentro de ellas. Hoy en día la cantidad de <strong>datos</strong> disponibles es inmensa y poder analizar y visualizar correctamente dichos datos se convierte en un aspecto esencial<strong>.</strong> <br></p>
A quién va dirigido:
El <strong>Máster Análisis y Visualización de Datos</strong> está pensado para personas con gran interés en el <strong>análisis de información para tomar decisiones correctas y estratégicas dentro de las empresas</strong>. Es un sector que actualmente tiene más oferta que demanda y el futuro es muy prometedor por lo que es ideal tanto para recién graduados que estén buscando un puesto laboral con futuro como para <strong>profesionales que quieran seguir actualizándose</strong> y no quedarse atrás respecto a las nuevas tendencias tecnológicas.<br>
Objetivos de este curso subvencionado Curso Gratuito Master en Análisis y Visualización de Datos Masivos:
<ul> <li>Descubrir la <strong>relación</strong> entre Big Data, Business Intelligence y Data Science para el análisis y la visualización de datos.</li> <li>Entender la importancia de la <strong>Arquitectura Big Data</strong> en el análisis de datos.</li> <li>Aprender a<strong> explotar los datos</strong> y visualizar los resultados gracias a la programación estadística con Python y R.</li> <li>Desarrollar cuadros de mando y <strong>Dashboards</strong>.</li> <li>Utilizar las principales <strong>herramientas en la visualización de datos</strong> como Tableau, D3, PowerBI o Qlikview.</li> </ul>
Salidas Laborales:
Mediante la realización del Máster Análisis y Visualización de Datos entrarás en un mundo laboral en constante crecimiento y con mayor oferta que demanda. Te permitirá estar capacitado para ejercer cargos directivos tan importantes como <strong>analista de datos, Arquitecto de soluciones Big Data</strong> o Experto en análisis empresarial. No pierdas las oportunidad y fórmate en un campo laboral con un presente y sobre todo un futuro sin precedentes.<strong> </strong><br>
Resumen:
Uno de los <strong>principales desafío</strong><strong>s</strong> que se encuentran las empresas en la actualidad es el<strong> poder analizar todos los datos posibles para la toma de decisiones estratégicas dentro de ellas</strong>.<br> Es un sector que actualmente tiene más oferta que demanda y el futuro es muy prometedor por lo que es ideal tanto para recién graduados que estén buscando un puesto laboral con futuro como para <strong>profesionales que quieran seguir actualizándose</strong> y no quedarse atrás respecto a las nuevas tendencias tecnológicas.<br> Gracias a este Máster podrás descubrir la relación entre Big Data, Business Intelligence y Data Science para el <strong>análisis y la visualización de datos</strong> así como explotar dicha información gracias a la programación estadística con R y Python, el desarrollo de cuadros de mando y Dashboards y herramientas de visualización tan importantes como Tableu, D3, PowerBI o Qlikview. <br> Conviertete en ese <strong>profesional</strong> que toda empresa necesita gracias al <strong>Máster Análisis y Visualización de Datos </strong>entrando en uno de los sectores laborales con mayor <strong>expansión y desarrollo</strong> en la actualidad.<br> En <strong>INESEM</strong> podrás trabajar en un Entorno Personal de Aprendizaje donde el alumno es el protagonista, avalado por un amplio grupo de tutores especialistas en el sector.<p></p>
Titulación:
Titulación Expedida y Avalada por el Instituto Europeo de Estudios Empresariales “Enseñanza no oficial y no conducente a la obtención de un título con carácter oficial o certificado de profesionalidad.”
Metodología:
Con nuestra metodología de aprendizaje online, el alumno comienza su andadura en INESEM Business School a través de un campus virtual diseñado exclusivamente para desarrollar el itinerario formativo con el objetivo de mejorar su perfil profesional. El alumno debe avanzar de manera autónoma a lo largo de las diferentes unidades didácticas así como realizar las actividades y autoevaluaciones correspondientes. La carga de horas de la acción formativa comprende las diferentes actividades que el alumno realiza a lo largo de su itinerario. Las horas de teleformación realizadas en el Campus Virtual se complementan con el trabajo autónomo del alumno, la comunicación con el docente, las actividades y lecturas complementarias y la labor de investigación y creación asociada a los proyectos. Para obtener la titulación el alumno debe aprobar todas la autoevaluaciones y exámenes y visualizar al menos el 75% de los contenidos de la plataforma. El Proyecto Fin de Máster se realiza tras finalizar el contenido teórico-práctico en el Campus. Por último, es necesario notificar la finalización del Máster desde la plataforma para comenzar la expedición del título.
Temario:
MÓDULO 1. INTRODUCCIÓN AL BIG DATA, BUSINESS INTELLIGENCE Y DATA SCIENCE
UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL BIG DATA
- ¿Qué es Big Data?
- La era de las grandes cantidades de información: historia del big data
- La importancia de almacenar y extraer información
- Big Data enfocado a los negocios
- Open Data
- Información pública
- IoT (Internet of Things - Internet de las cosas)
UNIDAD DIDÁCTICA 2. FASES DE UN PROYECTO DE BIG DATA
- Diagnóstico inicial
- Diseño del proyecto
- Proceso de implementación
- Monitorización y control del proyecto
- Responsable y recursos disponibles
- Calendarización
- Alcance y valoración económica del proyecto
UNIDAD DIDÁCTICA 3. BUSINESS INTELLIGENCE Y LA SOCIEDAD DE LA INFORMACIÓN
- Definiendo el concepto de Business Intelligence y sociedad de la información
- Arquitectura de una solución de Business Intelligence
- Business Intelligence en los departamentos de la empresa
- Conceptos de Plan Director, Plan Estratégico y Plan de Operativa Anual
- Sistemas operacionales y Procesos ETL en un sistema de BI
- Ventajas y Factores de Riesgos del Business Intelligence
UNIDAD DIDÁCTICA 4. PRINCIPALES PRODUCTOS DE BUSINESS INTELLIGENCE
- Cuadros de Mando Integrales (CMI)
- Sistemas de Soporte a la Decisión (DSS)
- Sistemas de Información Ejecutiva (EIS)
UNIDAD DIDÁCTICA 5. INTRODUCCIÓN AL DATA SCIENCE
- ¿Qué es Data Science?
- Historia del Data Science
- ¿Qué función tiene un Científico de datos?
- Data Science vs Big Data. Principales diferencias
MÓDULO 2. ARQUITECTURA BIG DATA
UNIDAD DIDÁCTICA 1. BATCH PROCESSING
- Hadoop
- Pig
- Hive
- Sqoop
- Flume
- Spark Core
- Spark 2.0
UNIDAD DIDÁCTICA 2. STREAMING PROCESSING
- Fundamentos de Streaming Processing
- Spark Streaming
- Kafka
- Pulsar y Apache Apex
- Implementación de un sistema real-time
UNIDAD DIDÁCTICA 3. SISTEMAS NOSQL
- Hbase
- Cassandra
- MongoDB
- NeoJ
- Redis
- Berkeley DB
UNIDAD DIDÁCTICA 4. INTERACTIVE QUERY
- Lucene + Solr
UNIDAD DIDÁCTICA 5. SISTEMAS DE COMPUTACIÓN HÍBRIDOS
- Arquitectura Lambda
- Arquitectura Kappa
- Apache Flink e implementaciones prácticas
- Druid
- ElasticSearch
- Logstash
- Kibana
UNIDAD DIDÁCTICA 6. CLOUD COMPUTING
- Amazon Web Services
- Google Cloud Platform
UNIDAD DIDÁCTICA 7. ADMINISTRACIÓN DE SISTEMAS BIG
- Administración e Instalación de clusters: Cloudera y Hortonworks
- Optimización y monitorización de servicios
- Seguridad: Apache Knox, Ranger y Sentry
UNIDAD DIDÁCTICA 8. VISUALIZACIÓN DE DATOS
- Herramientas de visualización: Tableau y CartoDB
- Librerías de Visualización: D, Leaflet, Cytoscape
MÓDULO 3. DATA SCIENCE
UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA CIENCIA DE DATOS
- ¿Qué es la ciencia de datos?
- Herramientas necesarias para el científico de datos
- Data Science & Cloud Computing
- Aspectos legales en Protección de Datos
UNIDAD DIDÁCTICA 2. BASES DE DATOS RELACIONALES
- Introducción
- El modelo relacional
- Lenguaje de consulta SQL
- MySQL: Una base de datos relacional
UNIDAD DIDÁCTICA 3. PRE-PROCESAMIENTO & PROCESAMIENTO DE DATOS
- Obtención y limpieza de los datos (ETL)
- Inferencia estadística
- Modelos de regresión
- Pruebas de hipótesis
UNIDAD DIDÁCTICA 4. ANÁLISIS DE LOS DATOS
- Inteligencia Analítica de negocios
- La teoría de grafos y el análisis de redes sociales
- Presentación de resultados
MÓDULO 4. HERRAMIENTAS PARA EXPLOTACIÓN Y ANÁLISIS DE BIG DATA
UNIDAD DIDÁCTICA 1. BASES DE DATOS NOSQL Y EL ALMACENAMIENTO ESCALABLE
- ¿Qué es una base de datos NoSQL?
- Bases de datos Relaciones Vs Bases de datos NoSQL
- Tipo de Bases de datos NoSQL: Teorema de CAP
- Sistemas de Bases de datos NoSQL
UNIDAD DIDÁCTICA 2. INTRODUCCIÓN A UN SISTEMA DE BASES DE DATOS NOSQL: MONGODB
- ¿Qué es MongoDB?
- Funcionamiento y uso de MongoDB
- Primeros pasos con MongoDB: Instalación y shell de comandos
- Creando nuestra primera Base de Datos NoSQL: Modelo e Inserción de Datos
- Actualización de datos en MongoDB: Sentencias set y update
- Trabajando con índices en MongoDB para optimización de datos
- Consulta de datos en MongoDB
UNIDAD DIDÁCTICA 3. ECOSISTEMA HADOOP
- ¿Qué es Hadoop? Relación con Big Data
- Instalación y configuración de insfraestructura y ecosistema Hadoop
- Sistema de archivos HDFS
- MapReduce con Hadoop
- Apache Hive
- Apache Hue
- Apache Spark
UNIDAD DIDÁCTICA 4. WEKA Y DATA MINING
- ¿Qué es Weka?
- Técnicas de Data Mining en Weka
- Interfaces de Weka
- Selección de atributos
UNIDAD DIDÁCTICA 5. PENTAHO UNA SOLUCIÓN OPEN SOURCE PARA BUSINESS INTELLIGENCE
- Una aproximación a Pentaho
- Soluciones que ofrece Pentaho
- MongoDB & Pentaho
- Hadoop & Pentaho
- Weka & Pentaho
MÓDULO 5. BUSINESS INTELLIGENCE, CUADROS DE MANDO Y DASHBOARDS
UNIDAD DIDÁCTICA 1. MINERÍA DE DATOS O DATA MINING Y EL APRENDIZAJE AUTOMÁTICO
- Introducción a la minería de datos y el aprendizaje automático
- Proceso KDD
- Modelos y Técnicas de Data Mining
- Áreas de aplicación
- Minería de textos y Web Mining
- Data mining y marketing
UNIDAD DIDÁCTICA 2. DATAMART: CONCEPTO DE BASE DE DATOS DEPARTAMENTAL
- Aproximación al concepto de DataMart
- Bases de datos OLTP
- Bases de Datos OLAP
- MOLAP, ROLAP & HOLAP
- Herramientas para el desarrollo de cubos OLAP
UNIDAD DIDÁCTICA 3. DATAWAREHOUSE O ALMACEN DE DATOS CORPORATIVOS
- Visión General: ¿Por qué DataWarehouse?
- Estructura y Construcción
- Fases de implantación
- Características
- Data Warehouse en la nube
UNIDAD DIDÁCTICA 4. INTELIGENCIA DE NEGOCIO Y HERRAMIENTAS DE ANALÍTICA
- Tipos de herramientas para BI
- Productos comerciales para BI
- Productos Open Source para BI
- Beneficios de las herramientas de BI
UNIDAD DIDÁCTICA 5. DEFINICIÓN DE KPIS
- Definición de KPIs
- KPI, CSF y metas
- Principales KPIS
- Ejemplos de KPIS
- Supuesto práctico: Cálculo de KPI con Excel
UNIDAD DIDÁCTICA 6. CONCEPTO Y CREACIÓN DE CUADROS DE MANDO
- Introducción a los cuadros de mando y dashboard
- Estrategias para la creación de un cuadro de mando
- Dashboard en Excel o Google Analytics
UNIDAD DIDÁCTICA 7. HERRAMIENTAS PARA LA CREACIÓN DE CUADROS DE MANDO
- Aplicaciones gratuitas
- Aplicaciones propietarias
MÓDULO 6. INTRODUCCIÓN A LA PROGRAMACIÓN ESTADÍSTICA
UNIDAD DIDÁCTICA 1. PYTHON Y EL ANÁLISIS DE DATOS
- Introducción a Python
- ¿Qué necesitas?
- Librerías para el análisis de datos en Python
- MongoDB, Hadoop y Python: Dream Team del Big Data
UNIDAD DIDÁCTICA 2. R COMO HERRAMIENTA PARA BIG DATA
- Introducción a R
- ¿Qué necesitas?
- Tipos de datos
- Estadística Descriptiva y Predictiva con R
- Integración de R en Hadoop
MÓDULO 7. HERRAMIENTAS DE VISUALIZACIÓN DE DATOS
UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA VISUALIZACIÓN DE DATOS
- ¿Qué es la visualización de datos?
- Importancia y herramientas de la visualización de datos
- Visualización de datos: Principios básicos
UNIDAD DIDÁCTICA 2. TABLEAU
- ¿Qué es Tableau? Usos y aplicaciones
- Tableau Server: Arquitectura y Componentes
- Instalación Tableau
- Espacio de trabajo y navegación
- Conexiones de datos en Tableau
- Tipos de filtros en Tableau
- Ordenación de datos, grupos, jerarquías y conjuntos
- Tablas y gráficos en Tableau
UNIDAD DIDÁCTICA 3. D3 (DATA DRIVEN DOCUMENTS)
- Fundamentos D3
- Instalación D3
- Funcionamiento D3
- SVG
- Tipos de datos en D3
- Diagrama de barras con D3
- Diagrama de dispersión con D3
UNIDAD DIDÁCTICA 4. GOOGLE DATA
- Google Data Studio
UNIDAD DIDÁCTICA 5. QLIKVIEW
- Instalación y arquitectura
- Carga de datos
- Informes
- Transformación y modelo de datos
- Análisis de datos
UNIDAD DIDÁCTICA 6. POWERBI
- Business Intelligence en Excel
- Herramientas Powerbi
UNIDAD DIDÁCTICA 7. CARTO
- CartoDB